# TrendRadar：35平台热点聚合+MCP AI分析pipeline的工程部署与推送集成 > 详解TrendRadar工程实践：35平台(抖音/知乎/B站等)热点监控+MCP 14工具AI分析，支持Docker部署、企业微信/Telegram推送的关键参数与优化。 ## 元数据 - 路径: /posts/2025/12/03/multi-platform-hotspot-aggregation-mcp-ai-analysis-pipeline-docker-n8n-push/ - 发布时间: 2025-12-03T22:43:30+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 在信息爆炸时代，企业与个人用户需高效监控多平台热点（如抖音、知乎、B站等35源），并通过AI深度分析趋势，避免无效刷屏。TrendRadar提供完整pipeline：基于newsnow API聚合热点、MCP协议驱动14种AI工具分析、Docker容器化部署、多渠道实时推送。该方案观点明确——聚焦工程化落地：非通用MCP分析，而是特定于35平台监控+推送集成的参数优化，实现零重复增量推送与容错监控。 ### 多平台热点聚合Pipeline TrendRadar核心数据源自newsnow项目，支持35+平台扩展，默认11个主流源（知乎、抖音、B站热搜、华尔街见闻、贴吧、百度热搜、财联社、澎湃、凤凰、头条、微博）。工程实践：config/config.yaml中platforms列表自定义ID与name，如`- id: "toutiao" name: "今日头条"`。爬虫权重算法（rank_weight:0.6, frequency_weight:0.3, hotness_weight:0.1）优先高排名+持续频次新闻，避免平台算法偏差。 落地参数清单： - 平台数≤10（GitHub Actions限额防滥用）。 - 关键词筛选（frequency_words.txt）：普通词`AI`、`必须词+技术`、`过滤词!广告`、`数量@10`、`全局[GLOBAL_FILTER]标题党`。 - 执行频率：cron `0 */1 * * *`（每小时，北京时间减8h UTC）。 证据：项目默认监控抖音/知乎/B站等，扩展源代码确认35+可用。“本项目使用newsnow项目的API获取多平台数据”（GitHub README）。 ### MCP AI分析工具链 v3.0+集成MCP协议，提供14工具（新增resolve_date_range日期解析）：基础查询（get_latest_news）、智能检索（search_news）、趋势分析（analyze_topic_trend）、情感（analyze_sentiment）、摘要（generate_summary_report）等。对话式：自然语言“分析最近7天知乎AI热点趋势”。 工程集成： - Docker镜像`wantcat/trendradar-mcp`，端口3333 HTTP服务。 - 客户端：Cherry Studio GUI一键、Claude Desktop config.json、Cursor .cursor/mcp.json。 - 双容器：news推送(trend-radar)+MCP独立运行，共享config/output volume。 参数优化： - 工具调用限：threshold=0.6（相似度）、limit=50、granularity=day。 - 安全：127.0.0.1绑定，需手动start_webserver访问报告。 风险：无实时网络查询，仅本地output数据（自带11/1-15测试集）。 ### Docker部署与n8n Workflow集成 Docker首选：`wantcat/trendradar`推送服务+`trendradar-mcp` AI。docker-compose.yml挂载： ``` volumes: - ./config:/app/config:ro - ./output:/app/output:ro ``` 环境变量覆盖：REPORT_MODE=incremental、ENABLE_WEBSERVER=true、WEBSERVER_PORT=8080。n8n集成：搜索确认Zie619/n8n-workflows包含TrendRadar节点，导入workflow触发cron爬虫+Webhook推送。 部署清单： 1. git clone https://github.com/sansan0/TrendRadar 2. 编辑config.yaml（mode/push_window）和frequency_words.txt。 3. docker-compose up -d（pull镜像）。 4. manage.py status/files验证。 回滚：docker-compose down，重置output清历史。 ### 多渠道推送集成与参数 三种模式：daily（汇总，所有匹配）、current（榜单，持续推送）、incremental（新增，零重复）。推送渠道：企业微信(WEWORK_WEBHOOK_URL，支持text/markdown)、Telegram(配对token/chat_id，多;分隔)、ntfy/Bark/Slack，多账号max_accounts_per_channel=3。 关键参数： - push_window.enabled=true, start=09:00 end=18:00, once_per_day=false（工作时多推）。 - reverse_content_order=true（新增在前）。 - max_news_per_keyword=10（防过长）。 容错：分批推送（飞书/钉钉超限自动）、日志区分账号失败。 监控要点： - docker logs -f trend-radar（爬虫/推送日志）。 - MCP: curl http://127.0.0.1:3333/mcp。 - 风险：Actions限30min间隔、10平台；Docker volume防数据丢失。 回滚策略：config.yaml备份，docker restart恢复默认。 TrendRadar非简单爬虫，而是生产级pipeline：35平台聚合+MCP分析+推送闭环，参数化配置确保高可用。通过Docker/n8n，企业级部署仅需1h，ROI显著——每日节省手动监控2h+。 **资料来源**： - [GitHub sansan0/TrendRadar](https://github.com/sansan0/TrendRadar) - [newsnow数据源](https://github.com/ourongxing/newsnow) ## 同分类近期文章 ### [NVIDIA PersonaPlex 双重条件提示工程与全双工架构解析](/posts/2026/04/09/nvidia-personaplex-dual-conditioning-architecture/) - 日期: 2026-04-09T03:04:25+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 NVIDIA PersonaPlex 的双流架构设计、文本提示与语音提示的双重条件机制，以及如何在单模型中实现实时全双工对话与角色切换。 ### [ai-hedge-fund：多代理AI对冲基金的架构设计与信号聚合机制](/posts/2026/04/09/multi-agent-ai-hedge-fund-architecture/) - 日期: 2026-04-09T01:49:57+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析GitHub Trending项目ai-hedge-fund的多代理架构，探讨19个专业角色分工、信号生成管线与风控自动化的工程实现。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation-framework/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [LiteRT-LM C++ 推理运行时：边缘设备的量化、算子融合与内存管理实践](/posts/2026/04/08/litert-lm-cpp-inference-runtime-quantization-fusion-memory/) - 日期: 2026-04-08T21:52:31+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 LiteRT-LM 在边缘设备上的 C++ 推理运行时，聚焦量化策略配置、算子融合模式与内存管理的工程化实践参数。